本论文主要研究了对某化工吸附分离过程的监控和故障诊断。鉴于该过程变量较多、结构复杂、模型难以建立的特点,采用多变量统计过程控制,通过分析采集的过程数据实现对生产过程的监控。首先探讨了对实际生产中大量过程数据的降维处理问题,利用主元分析方法实现对过程数据的有效压缩和准确的恢复。接着利用多变量统计分析方法对该吸附分离过程实施监控分析,通过绘制T~2图和SPE控制量图判断过程的运行状态,并在发现异常状态的情况下利用求取各变量贡献的方法初步推断出故障产生的原因。在传统主元模型的基础上,结合了多变量统计分析领域中新的研究成果,通过对主元空间的划分和采用新的监控指标,更明确地判断和解释了吸附分离过程中遇到的一些异常情况,应用结果表明采用改进的监控指标比使用传统的统计量具有更好的监控和诊断效果。基于输入训练神经元网络,采用一种新颖的非线性主元模型对过程状态监控进行分析研究,将需要监控的量进一步压缩,既保留了足够多的过程信息又摒除了大量的线性和非线性相关信息,使需要分析的主元缩减为两个,大大节省了监控所需的工作量和开支并能更好的保证对过程的全面监控。在上述主元分析理论基础上,实现了对实际吸附分离过程的在线监控,为多变量统计过程监控赋予更强的实践意义。最后,本文开发了一个基于VC++语言的软件平台,通过与MATLAB的接口编程技术,实现了求取主元解释度、主元分析、数据恢复、过程状态分析,以及故障判断、过程在线监控等一系列功能。为用户提供了一个简便的过程监控平台,使不懂统计分析原理的人员也可以利用这些技术对过程实施有效的监控,大大提高了这些监控技术的可操作性。目前国内的化工吸附分离生产,基本都已采用计算机分布控制系统,但利用多变量统计控制理论对其进行监控和诊断方面的研究工作还未见报告。本文对此做了初步尝试,应用结果表明对实际生产具有较强的指导意义。